[发明专利]一种基于深度分类网络的面部年龄估计方法

权利要求书

1.一种基于深度分类网络的面部年龄估计方法，包括以下步骤：

步骤1：采集不同人的包含不同年龄的面部图像N幅，并标定对应的实际年龄；

步骤2：对所有的面部图像利用SeataFace跟踪面部特征点，共得到M个面部特征点，M＝5，包含：2个嘴角点，2个瞳孔中心和1个鼻尖点；

步骤3：根据步骤2中的特征点定位结果对图像进行归一化；

步骤4：将所有面部图像的灰度值向量化为1600维的向量，同时限制取值范围在0.1到0.9之间；限制方法如下：计算所有输入图像灰度值的均值μ和标准差σ，利用3σ将灰度值范围压缩到[-1,1]；设任意第n幅输入图像对应的灰度向量为进行灰度值压缩后变为

最后将的数值范围压缩到[0.1,0.9]得到输入特征：

步骤5：设置年龄对应的类别数目为100，即每1岁对应1个类别；

步骤6：建立深度回归网络，该网络的输入为1600维图像特征，包含输入层和输出层网络共5层；将第一层的节点的值赋为输入特征其中s_l表示图像特征的维数,即：之后进行逐层映射得到：

表示第l层的第j个单元的响应值，表示第l+1层的第i个单元的输入，和表示连接深度神经网络第l层的所有s_l个单元和第l+1层的第i个单元之间的参数；具体来讲，表示连接第l层的第j个单元和第l+1层第i个单元之间的参数，为与第l+1层的隐单元i相关的偏差项，s_l+1为第l+1层隐单元的数目；第l+1层的第i个单元是否被激活，由S形函数的输出决定，即：

上式可表示为：

根据公式计算出第1层到第4层的所有节点的响应值，输出层有K＝100个输出函数h₁(·),...,h_K(·)，分别对应100个年龄类别，其中h_k(·)输出某个输入样本属于第k个类别的概率

其中k＝1,...,K，网络参数表示类别k的输出函数h_k(·)中的参数向量，表示K个类别输出函数的参数向量，对样本x_n的年龄估计值为argmax_kh_k(x_n)，即样本的估计年龄为所属类别概率最大值时对应的类别标号；

步骤7：通过步骤6中的深度分类网络，建立关于网络参数θ的目标函数：

1(y_n＝k)为指示函数，当条件y_n＝k满足时，1(y_n＝k)＝1，否则为0，λ表示约束项‖θ‖²的强度；将每一个标定年龄y_n转化为二值向量t_n，若y_n＝k则对应二值向量为t_n的第k个元素t_nk为1其余元素为0，N表示训练样本的数目，由此目标函数的等价形式可写为：

步骤8：根据步骤6中的深度分类网络，当输入为x_n时利用前向传播算法计算

步骤9：计算第4层的每一个单元i的误差项；

其中t_nk表示t_n的第k个元素，t_n表示标定年龄y_n转化为二值向量t_n，w_ki是softmax回归中第k个回归函数的权向量w_k的第i个元素；之后，利用后向传播算法，计算1,2,3层的误差项

步骤10：求解网络参数θ的目标函数关于softmax回归参数的梯度

同时求解网络参数θ的目标函数关于网络参数的偏导数

有上述目标函数关于参数的梯度和偏导数，求出目标函数关于深度分类网络参数θ的梯度向量：

从而利用该深度分类网络进行目标面部年龄估计。